3.3 使用 Ultralytics YOLO 进行模型预测

3.3 使用 Ultralytics YOLO 进行模型预测

Ultralytics YOLO 生态系统和集成

介绍

在机器学习和计算机视觉的世界里，将视觉数据解释成有意义的信息叫做“推断”或“预测”。Ultralytics YOLO11 提供了一个强大的推断模式，设计用于高性能、实时推断，可应用于多种数据源。

观看：如何在自定义项目中提取 Ultralytics YOLO 模型的输出。

实际应用

• 制造业：汽车配件检测

• 体育运动：足球运动员检测

• 安全监控：人员跌落检测

为什么使用 Ultralytics YOLO 进行推断？

以下是选择 YOLO11 推断模式的几个理由：

• 多样性：能够对图片、视频甚至实时流进行推断。

• 性能：为高速、实时处理而设计，同时保持高准确性。

• 易用性：提供直观的 Python 和 CLI 接口，便于快速部署和测试。

• 高度可定制：多种设置和参数，允许根据具体需求调整模型的推断行为。

推断模式的关键功能

YOLO11 的推断模式设计得非常强大且灵活，具备以下功能：

• 多种数据源兼容：无论是单张图片、图片集合、视频文件，还是实时视频流，推断模式都能处理。

• 流式模式：使用流式功能生成内存高效的结果对象生成器，可通过设置 stream=True 启用。

• 批量处理：可以一次处理多张图片或多个视频帧，进一步提高推断速度。

• 易于集成：由于其灵活的 API，轻松实现与现有数据管道或其他软件组件的集成。

Ultralytics YOLO 模型返回一个 Python 结果对象列表，或者在 stream=True 参数下，返回内存高效的生成器。

推断示例

以下为并行时流式模式的调用示例：

from ultralytics import YOLO

# 加载一个模型
model = YOLO("yolo11n.pt")  # 预训练的 YOLO11n 模型

# 对一组图片进行批量推断
results = model(["image1.jpg", "image2.jpg"])  # 返回结果对象的列表

# 处理结果列表
for result in results:
    boxes = result.boxes  # 边界框对象
    masks = result.masks  # 分割掩码对象
    keypoints = result.keypoints  # 关键点对象
    probs = result.probs  # 分类概率对象
    obb = result.obb  # 定向边界框对象
    result.show()  # 显示结果
    result.save(filename="result.jpg")  # 保存结果

推断数据源

YOLO11 可以处理多种类型的输入源，如下表所示。这些源包括静态图片、视频流和各种数据格式。表中还标明了每种数据源是否可以在流模式下使用（通过参数 stream=True）。

提示： 使用 stream=True 来处理长视频或大型数据集，以有效管理内存。stream=False 会将所有帧或数据点的结果存储在内存中，而 stream=True 则利用生成器，只保留当前帧或数据点的结果，大幅降低内存消耗，避免内存不足。

数据源类型	示例	说明
图片	'image.jpg'	单张图片文件
URL	'https://ultralytics.com/images/bus.jpg'	图片的 URL
截图	'screen'	捕获屏幕截图
PIL	Image.open('image.jpg')	RGB 格式的图片
OpenCV	cv2.imread('image.jpg')	BGR 格式的图片
numpy	np.zeros((640, 1280, 3))	BGR 格式的 numpy 数组
torch	torch.zeros(16, 3, 320, 640)	RGB 格式的张量
CSV	'sources.csv'	包含图片、视频或目录路径的 CSV 文件
视频 ✅	'video.mp4'	视频文件（如 MP4、AVI 等）
目录 ✅	'path/'	包含图片或视频的目录路径
glob ✅	'path/*.jpg'	匹配多个文件的通配符模式
YouTube ✅	'https://youtu.be/LNwODJXcvt4'	YouTube 视频的 URL
流媒体 ✅	'rtsp://example.com/media.mp4'	流媒体 URL（如 RTSP、RTMP）
多流媒体 ✅	'list.streams'	包含多个流媒体 URL 的文本文件

以下是对每种数据源类型进行推断的代码示例：

from ultralytics import YOLO

# 加载预训练的 YOLO11n 模型
model = YOLO("yolo11n.pt")

# 定义图片文件路径
source = "path/to/image.jpg"

# 对指定数据源进行推断
results = model(source)  # 返回结果对象的列表

推断参数

model.predict() 方法在推断时接受多个参数，可以覆盖默认设置：

from ultralytics import YOLO

# 加载预训练的 YOLO11n 模型
model = YOLO("yolo11n.pt")

# 对 'bus.jpg' 进行推断并设置参数
model.predict("bus.jpg", save=True, imgsz=320, conf=0.5)

推断参数：

参数	类型	默认值	描述
source	str	'ultralytics/assets'	推断数据源，可以是图片路径、视频文件、目录、URL 或设备 ID（如摄像头）。
conf	float	0.25	设置检测的最小置信度阈值，低于此阈值的对象将被忽略。
iou	float	0.7	非最大抑制（NMS）的 IoU 阈值，用于消除重叠框。
imgsz	int 或 tuple	640	定义推断的图片尺寸，可以是单个整数或 (高度, 宽度) 的元组。
half	bool	False	启用半精度（FP16）推断，可加快支持的 GPU 上的推断速度。
device	str	None	指定推断的设备（如 'cpu'，'cuda:0' 或 '0'）。
max_det	int	300	每张图片允许的最大检测数。
vid_stride	int	1	视频输入的帧步长，可跳过帧以加快处理速度。
visualize	bool	False	启用模型特征的可视化，便于调试和解释模型。

图像和视频格式

YOLO11 支持多种图像和视频格式，具体请参见 ultralytics/data/utils.py 文件中的有效后缀及示例预测命令。

处理结果

所有 Ultralytics predict() 调用将返回一个 Results 对象列表。

from ultralytics import YOLO

# 加载预训练的 YOLO11n 模型
model = YOLO("yolo11n.pt")

# 对图片进行推断
results = model("bus.jpg")  # 结果对象列表

# 处理结果
for result in results:
    print(result.boxes)  # 打印检测到的边界框对象